Machine Learning on Google Cloud (MLGC) Online

Total time
Location
Online
Starting date and place

Machine Learning on Google Cloud (MLGC) Online

Fast Lane Institute for Knowledge Transfer GmbH
Logo Fast Lane Institute for Knowledge Transfer GmbH
Provider rating: starstarstarstarstar_half 8.8 Fast Lane Institute for Knowledge Transfer GmbH has an average rating of 8.8 (out of 26 reviews)

Need more information? Get more details on the site of the provider.

Starting dates and places

computer Online: Online Training
6 Feb 2023 until 10 Feb 2023
computer Online: Online Training
6 Mar 2023 until 10 Mar 2023
computer Online: Online Training
7 Mar 2023 until 11 Mar 2023
computer Online: Online Training
8 May 2023 until 12 May 2023
computer Online: Online Training
5 Jun 2023 until 9 Jun 2023
computer Online: Online Training
17 Jul 2023 until 21 Jul 2023
computer Online: Online Training
14 Aug 2023 until 18 Aug 2023
computer Online: Online Training
25 Sep 2023 until 29 Sep 2023

Description

Voraussetzungen

  • Gewisse Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens.
  • Grundkenntnisse in einer Skriptsprache - Python bevorzugt.

Zielgruppe

  • Angehende Datenwissenschaftler und Ingenieure für maschinelles Lernen.
  • Lernende, die ML mit Vertex AI AutoML, BQML, Feature Store, Workbench, Dataflow, Vizier für Hyperparameter-Tuning, TensorFlow/Keras kennenlernen möchten.

Detaillierter Kursinhalt

Modul 1: Wie Google maschinelles Lernen betreibt

  • Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle für maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben.
  • Beschreiben Sie bewährte …

Read the complete description

Frequently asked questions

There are no frequently asked questions yet. If you have any more questions or need help, contact our customer service.

Didn't find what you were looking for? See also: Cloud Computing, Python, R Programming, Oracle 10G, and Oracle.

Voraussetzungen

  • Gewisse Vertrautheit mit grundlegenden Konzepten des maschinellen Lernens.
  • Grundkenntnisse in einer Skriptsprache - Python bevorzugt.

Zielgruppe

  • Angehende Datenwissenschaftler und Ingenieure für maschinelles Lernen.
  • Lernende, die ML mit Vertex AI AutoML, BQML, Feature Store, Workbench, Dataflow, Vizier für Hyperparameter-Tuning, TensorFlow/Keras kennenlernen möchten.

Detaillierter Kursinhalt

Modul 1: Wie Google maschinelles Lernen betreibt

  • Beschreiben Sie die Vertex AI Platform und wie sie verwendet wird, um AutoML-Modelle für maschinelles Lernen schnell zu erstellen, zu trainieren und einzusetzen, ohne eine einzige Zeile Code zu schreiben.
  • Beschreiben Sie bewährte Verfahren für die Implementierung von maschinellem Lernen in der Google Cloud.
  • Entwicklung einer Datenstrategie für maschinelles Lernen
  • Untersuchen Sie Anwendungsfälle, die dann durch eine ML-Linse neu konzipiert werden
  • Nutzen Sie die Tools und die Umgebung der Google Cloud Platform für ML

Modul 2: Einstieg in das maschinelle Lernen

  • Beschreiben Sie Vertex AI AutoML und wie Sie ein ML-Modell erstellen, trainieren und bereitstellen können, ohne eine einzige Zeile Code zu schreiben.
  • Beschreiben Sie Big Query ML und seine Vorteile.
  • Beschreiben Sie, wie Sie die Datenqualität verbessern können.
  • Führen Sie eine explorative Datenanalyse durch.
  • Erstellen und trainieren Sie überwachte Lernmodelle.
  • Optimieren und bewerten Sie Modelle mit Hilfe von Verlustfunktionen und Leistungsmetriken.
  • Entschärfen Sie häufige Probleme, die beim maschinellen Lernen auftreten.
  • Erstellen Sie wiederholbare und skalierbare Trainings-, Bewertungs- und Testdatensätze.

Modul 3: TensorFlow in der Google Cloud

  • Erstellen Sie TensorFlow und Keras Modelle für maschinelles Lernen.
  • Beschreiben Sie die Schlüsselkomponenten von TensorFlow.
  • Verwenden Sie die tf.data-Bibliothek zur Bearbeitung von Daten und großen Datensätzen.
  • Erstellen Sie ein ML-Modell mit tf.keras-Vorverarbeitungsschichten.
  • Verwenden Sie die Keras Sequential und Functional APIs für die einfache und erweiterte Modellerstellung. Verstehen Sie, wie Modell-Subklassifizierung für individuellere Modelle verwendet werden kann.

Modul 4: Funktionsentwicklung

  • Beschreiben Sie den Vertex AI Feature Store.
  • Vergleichen Sie die wichtigsten erforderlichen Aspekte eines guten Features.
  • Kombinieren und erstellen Sie neue Feature-Kombinationen durch Feature-Kreuzungen.
  • Führen Sie Feature Engineering mit BQML, Keras und TensorFlow durch.
  • Verstehen Sie, wie Sie Funktionen mit Cloud Dataflow und Cloud Dataprep vorverarbeiten und untersuchen können.
  • Verstehen und anwenden, wie TensorFlow Features transformiert.

Modul 5: Maschinelles Lernen im Unternehmen

  • Die für Datenmanagement und -verwaltung erforderlichen Tools verstehen
  • Beschreiben Sie den besten Ansatz für die Datenvorverarbeitung - von einem Überblick über DataFlow und DataPrep bis zur Verwendung von SQL für Vorverarbeitungsaufgaben.
  • Erklären Sie, wie sich AutoML, BQML und benutzerdefinierte Schulungen unterscheiden und wann ein bestimmtes Framework verwendet werden sollte.
  • Beschreiben Sie das Hyperparameter-Tuning mit Vertex Vizier und wie es zur Verbesserung der Modellleistung eingesetzt werden kann.
  • Erklären Sie Vorhersage und Modellüberwachung und wie Vertex AI zur Verwaltung von ML-Modellen eingesetzt werden kann.
  • Beschreiben Sie die Vorteile von Vertex AI Pipelines
There are no reviews yet.

Share your review

Do you have experience with this course? Submit your review and help other people make the right choice. As a thank you for your effort we will donate $1.- to Stichting Edukans.

There are no frequently asked questions yet. If you have any more questions or need help, contact our customer service.